如何使用 Python 从一行文本中过滤掉表达式？

Question

我想删除不属于预定义列表的单词。例如，如果我的列表是：

ANIMAL
BIRD
CARNIVORE
HERBIVORE
MAMMAL
OMNIVORE

我的输入是这样的：

(ANIMAL (CARNIVORE (BIRD Peacock)) (HERBIVORE (MAMMAL Goat)))

我希望我的输出是：

(ANIMAL (CARNIVORE (BIRD )) (HERBIVORE (MAMMAL )))

我试过了：

current_split = re.split("\W", test)
    for thing in current_split:
        if thing in parse_symbols:
            print thing

但这删除了括号，我得到了这个：

ANIMAL
CARNIVORE
BIRD
HERBIVORE
MAMMAL

另外，由于 for 循环，引入了换行符，这是我不想要的。

我做错了什么？

Answer 1

使用重新子：

bird = re.compiler'(BIRD) (\w*?)\)'
mammal = re.compile(r'(MAMMAL) (\w*?)\)')

nobirds  = re.sub(bird, r'\1', input) #keeps only the first group
nomammals = re.sub(mammal, r'\1', input)

Answer 2

使用re.finditer()函数的解决方案：

import re

animals = ['ANIMAL', 'BIRD', 'CARNIVORE', 'HERBIVORE', 'MAMMAL', 'OMNIVORE']
user_input = '(ANIMAL (CARNIVORE (BIRD Peacock)) (HERBIVORE (MAMMAL Goat)))'

for m in re.finditer(r'[\w-]+', user_input):
    if m.group() not in animals:
        user_input = user_input.replace(m.group(), '')

print(user_input)

输出：

(ANIMAL (CARNIVORE (BIRD )) (HERBIVORE (MAMMAL )))

Answer 3

如果您只打算处理与您提供的带有括号的字符串类似的字符串，您可以将split 行变成单词，strip 括号，然后检查它们是否允许：

allowed = ['ANIMAL', 'BIRD', 'CARNIVORE', 'HERBIVORE', 'MAMMAL', 'OMNIVORE']
line = '(ANIMAL (CARNIVORE (BIRD Peacock)) (HERBIVORE (MAMMAL Goat)))'
words = [word.strip('()') for word in line.split()]
not_allowed = [word for word in words if word not in allowed]

现在我们找到了所有要删除的单词，我们只需将它们删除，如下所示：

newline = line
for word in not_allowed:
    newline = newline.replace(word, '')

newline 现在唯一的问题是括号前那些烦人的空格，我们删除了单词，但这很容易：

newline = newline.replace(' )', ')')

你的换行符现在应该输出'(ANIMAL (CARNIVORE (BIRD)) (HERBIVORE (MAMMAL)))'

另外，如您所见，我在此会话期间没有打印每个单词，这就是为什么我现在可以打印一行 newline，而不是在每个 print 命令上打印多个新行

Answer 4

这是万无一失的解决方案：将re.sub 与函数一起使用。首先获取允许单词的set：

allowed = set("""
    ANIMAL
    BIRD
    CARNIVORE
    HERBIVORE
    MAMMAL
    OMNIVORE
""".split())

或使用

allowed = {'ANIMAL', 'BIRD', #... and so forth

然后re.sub 为每个单词\w+ 加上一个正则表达式，然后检查它们是否在ok - 如果是，则返回该单词，否则返回一个空字符串：

def replacement(match):
    word = match.group(0)
    if word in allowed:
        return word
    return ''

result = re.sub(r'[\w-]+', replacement, user_input)
print(result)

打印

(ANIMAL (CARNIVORE (BIRD )) (HERBIVORE (MAMMAL )))

这将只考虑整个单词和整个单词，这与此处提供的各种.replace 解决方案不同。如果整个单词都在允许的单词集中，它只会保留一个单词。它永远不会删除完整单词的一部分。它适用于任何分隔符和运算符。

如果您想删除右括号前的多余空格，请使用另一个替换：

re.sub(r'\s+\)', '', result)

上面的结果会产生什么

(ANIMAL (CARNIVORE (BIRD) (HERBIVORE (MAMMAL))